Epistemologie Latenti: utilizzo di tecniche di Intelligenza Artificiale, Machine Learning and Text Mining per indagare sulle epistemologie personali dei docenti di sostegno relativamente al concetto di inclusione Una proposta di flusso di lavoro

I corsi di specializzazione per le attività di sostegno hanno rappresentato nell'ultimo decennio un bacino privilegiato di indagine sui processi inclusivi. In Italia numerose ricerche si sono concentrate sulle convinzioni, le convinzioni, gli atteggiamenti degli insegnanti in formazione rispetto ai concetti di inclusione, all’approccio bio-psico-sociale e alle pratiche inclusive, utilizzando praticamente l'intera gamma di metodologie e strumenti a disposizione della comunità scientifica coinvolta nella ricerca educativa. Nella letteratura scientifica internazionale, la concettualizzazione iniziale dell'insegnamento da parte degli insegnanti, le decisioni e le pratiche pedagogiche sono considerate componenti privilegiate nell’indagine della pratica didattica. Storicamente, questo particolare campo di ricerca è stato studiato utilizzando i costrutti di Epistemic Cognition, Epistemological Belief e Personal Epistemology. Sebbene questi costrutti presentino differenze anche significative tra loro, un denominatore comune sembra essere l'influenza che i sistemi di credenze, convinzioni e atteggiamenti degli insegnanti rispetto all'idea di apprendimento producono sullo stile di insegnamento, inteso come manifestazione delle ipotesi e convinzioni implicite su compiti da svolgere, materiali da selezionare e gestione dell’interazione insegnante-studenti. Questo lavoro si propone di adottare strumenti di ricerca coerenti con la natura implicita delle epistemologie personali (AI, Text Mining), nel tentativo di aggirare i potenziali pregiudizi che risiedono principalmente nella volontà dei futuri docenti di aderire ai quadri teorici più accreditati e nella difficoltà di ricercatori di distinguere tra assunzioni esplicite e implicite.